SecurityTechInsider AI-veiligheid & governance
EN/ NL
Governance

Waarom een C2PA-label deepfakes niet als echt bewijst: wat u wél moet vastleggen

C2PA-manifesten kunnen bestandsgeschiedenis tonen, maar geen echtheid bewijzen. Zo bouwt u een verificatieworkflow rond herkomstsignalen voor deepfakes.

9 september 2026 3 min
Illustratie bij dit artikel: Waarom een C2PA-label deepfakes niet als echt bewijst.
Herkomstlabels moeten deel uitmaken van uw verificatieproces, niet als vervanging voor menselijk toezicht en detectie. Beeld: SecurityTechInsider — originele redactionele illustratie

U moet herkomstsignalen als één onderdeel van een breder verificatieproces vastleggen en documenteren, niet als sluitend bewijs dat synthetische media authentiek is. Een C2PA-label toont wie wat wanneer ondertekende, niet of de inhoud werkelijkheid weergeeft.

Een analyse van 9 september 2026 van herkomstsignalen in verificatieworkflows voor synthetische media stelt dat C2PA-manifesten structurele beperkingen hebben voor omgevingen met hoge inzet, zoals rechtszaken en financiële rapportage. Het onderzoek gebruikt beveiligingslacunes in de standaard als casestudy. In onze inschatting betekent dit voor u dat een herkomstlabel waardevol is als onderdeel van uw controlestructuur, maar niet als vervanging voor menselijk toezicht, detectie en logging.

Herkomststandaarden als C2PA koppelen cryptografisch ondertekende beweringen aan mediabestanden: waar het vandaan komt, hoe het is bewerkt en of het sinds ondertekening ongewijzigd is. Dit beantwoordt de vraag wie ondertekende wat en wanneer. Het beantwoordt niet of die ondertekening klopt met de werkelijkheid, en het zegt niets over of de inhoud zelf authentiek is. Dat onderscheid is cruciaal wanneer u moet kunnen aantonen dat u AI-gegenereerde content hebt geïdentificeerd en gemarkeerd.

Wat toont een herkomstlabel wel en niet?

Een C2PA-manifest bewijst bestandsintegriteit en ondertekening. Het bewijst niet echtheid. Een aanvaller kan een manifest ondertekenen met dezelfde standaard en daarmee een deepfake voorzien van schijnbaar legitieme herkomstinformatie. De standaard werkt alleen als alle partijen in de keten — producent, distributeur, controleur — elkaar vertrouwen en hun ondertekeningen correct beheren. In praktijk gebeurt dat niet altijd, en zeker niet wanneer synthetische media op schaal wordt ingezet.

De Europese Commissie beschrijft in haar richtlijnen bij artikel 50 van de AI Act dat deepfakes en AI-gegenereerde content duidelijk gelabeld moeten worden en, waar haalbaar, van technische herkomstsignalen voorzien. Dezelfde richtlijnen positioneren die signalen echter als onderdeel van een breder transparantie- en governancekader, met detectie, menselijk redactioneel toezicht en logging. De wetgever behandelt herkomst dus al als één laag in een controlestructuur, niet als sluitstuk.

Welke risico's ontstaan als u alleen op herkomst vertrouwt?

  • Valse ondertekeningen — aanvallers kunnen manifesten ondertekenen met legitiem uitziende certificaten of gestolen sleutels.
  • Onvolledig toezicht — niet alle content in uw workflow draagt herkomstinformatie; u mist dan blinde vlekken.
  • Vertrouwensketen-breuk — als één ondertekener in de keten onbetrouwbaar is, vervalt de waarde van het hele manifest.
  • Detectie-afhankelijkheid — herkomst helpt niet als niemand controleert of een label aanwezig is of klopt.
  • Schaal en snelheid — synthetische media kan sneller worden ingezet dan u labels kunt verifiëren.

Welke controles moet u kunnen aantonen per workflow?

  1. Documenteer welk model en welke gegevens elke workflow gebruikt — leg vast welke AI-systemen content genereren of bewerken en op basis van welke trainingsgegevens.
  2. Leg herkomstclaims vast voordat u content publiceert — registreer welke manifesten aanwezig waren, wie ze ondertekende en wanneer.
  3. Voer onafhankelijke detectie uit — gebruik aanvullende technieken om synthetische content te identificeren, los van herkomstlabels.
  4. Documenteer wie wat heeft getoetst en wanneer — wie controleerde het label, wat was het resultaat, wie nam de beslissing om content te publiceren.
  5. Stel een escalatieproces op voor twijfelgevallen — definieer wie handelt wanneer herkomst ontbreekt of niet klopt.

Hoe bouwt u een verificatielaag rond herkomst?

Behandel herkomstsignalen als invoer in een gedocumenteerd verificatieproces, niet als eindoordeel. Dit betekent dat u voor gevoelige of hoge-vertrouwenscontexten een workflow nodig hebt die herkomst zichtbaar maakt, maar ook andere signalen integreert: detectie van synthetische kenmerken, logging van wie wat wanneer controleerde, en een duidelijk escalatiepad als iets niet klopt.

Tooling kan u helpen om herkomstsignalen, logs en controles per workflow zichtbaar te maken en te tonen waar synthetische content uw systemen binnenkomt. Maar het professionele eindoordeel — of u content publiceert, archiveert of blokkeert — blijft bij u. Geen standaard en geen tool kan die verantwoordelijkheid overnemen.

Bronnen: Dit artikel is gebaseerd op berichtgeving en richtlijnen van Carringtonjournal, University of Maryland, Baltimore County (UMBC), Coalition for Content Provenance and Authenticity (C2PA) en European Commission.

Marit Halversen

Geschreven door

Marit Halversen

Schrijft over AI-governance en regelgeving, met de nadruk op hoe verplichtingen neerslaan in architectuur in plaats van in papierwerk.